Redis缓存与购物车在外卖系统的高性能实践

1. 项目概述：外卖系统中的缓存与购物车实现

在开发"苍穹外卖"系统的第七天，我们面临三个核心需求：菜品缓存优化、套餐缓存管理以及购物车功能实现。这三个模块共同构成了外卖平台的高性能基础架构，直接影响用户体验和系统响应速度。

作为后端开发者，我深知缓存机制对高并发外卖系统的重要性。当用户频繁浏览菜品和套餐时，如果每次都直接查询数据库，不仅会增加数据库压力，还会导致响应延迟。而购物车作为用户下单前的临时存储容器，需要保证数据的实时性和一致性。下面我将分享这三个模块的具体实现方案和实战经验。

2. 缓存菜品实现方案

2.1 缓存策略设计思路

菜品数据的特点是读多写少，非常适合使用缓存来提高性能。我们的设计方案是：

1. 首次查询菜品时从数据库获取，并存入Redis缓存
2. 后续查询直接从缓存获取，减少数据库访问
3. 当菜品信息变更时，及时清除对应缓存

这种方案能显著降低数据库压力，实测在高峰期可以减少约70%的数据库查询请求。

2.2 Spring Cache注解实现

我们选择Spring Cache作为缓存抽象层，配合Redis实现。主要使用以下注解：

java复制@Cacheable(value = "dishCache", key = "#categoryId")
public List<Dish> getByCategoryId(Long categoryId) {
    // 数据库查询逻辑
}

这段代码表示：

• 缓存名称为"dishCache"
• 使用菜品分类ID作为缓存key
• 方法返回的菜品列表会存入缓存

关键提示：@Cacheable的key设计非常重要，应该选择具有业务意义的参数，避免使用过于简单的key导致缓存冲突。

2.3 缓存更新策略

当菜品信息变更时，必须同步更新缓存。我们采用"先更新数据库，再删除缓存"的策略：

java复制@CacheEvict(value = "dishCache", key = "#dish.categoryId")
public void updateDish(Dish dish) {
    // 更新数据库
    dishMapper.update(dish);
}

这样设计的原因是：

1. 先更新数据库保证数据持久化
2. 删除缓存而非直接更新，避免并发问题
3. 下次查询时自动重建缓存

2.4 缓存雪崩防护

为了防止大量缓存同时失效导致的雪崩效应，我们做了以下优化：

1. 设置不同的过期时间：基础过期时间+随机偏移量
2. 使用互斥锁防止缓存击穿
3. 实现缓存预热机制

java复制// 示例：带随机偏移量的过期时间设置
@Cacheable(value = "dishCache", key = "#categoryId")
@CacheConfig(expire = 3600 + RandomUtils.nextInt(0, 600)) // 1小时±10分钟
public List<Dish> getByCategoryId(Long categoryId) {
    // ...
}

3. 缓存套餐实现方案

3.1 套餐缓存特点分析

套餐数据与菜品类似，但有其特殊性：

• 套餐由多个菜品组成
• 价格变动频率较低
• 用户常按分类浏览

因此我们采用分层缓存策略：

1. 基础套餐信息缓存
2. 套餐详情缓存（包含菜品信息）
3. 分类套餐列表缓存

3.2 多级缓存实现

java复制// 套餐基础信息缓存
@Cacheable(value = "setmealCache", key = "#id")
public Setmeal getById(Long id) {
    // ...
}

// 分类套餐列表缓存
@Cacheable(value = "setmealListCache", key = "#categoryId")
public List<Setmeal> getByCategoryId(Long categoryId) {
    // ...
}

3.3 缓存一致性保障

套餐与菜品存在关联关系，当菜品变更时可能影响套餐展示。我们通过事件驱动的方式维护缓存一致性：

1. 菜品变更时发布事件
2. 监听器接收事件并清理相关套餐缓存
3. 使用@TransactionalEventListener确保事务完成后处理

java复制@TransactionalEventListener
public void handleDishChangeEvent(DishChangeEvent event) {
    // 找出关联的套餐ID
    List<Long> setmealIds = setmealDishMapper.findSetmealIdsByDishId(event.getDishId());
    // 批量清理缓存
    setmealIds.forEach(id -> redisTemplate.delete("setmealCache::" + id));
}

4. 购物车模块实现

4.1 购物车数据结构设计

购物车需要存储以下核心信息：

• 用户ID（标识购物车归属）
• 商品ID（菜品或套餐）
• 商品数量
• 商品规格
• 添加时间

我们采用Redis Hash结构存储购物车数据：

• Key: "cart:{userId}"
• Field: "{dishId/setmealId}"
• Value: JSON格式的购物车项详情

4.2 添加购物车实现

java复制public void addToCart(CartItemDTO cartItemDTO) {
    // 1. 获取当前用户的购物车
    String key = "cart:" + cartItemDTO.getUserId();
    
    // 2. 检查商品是否存在
    Dish dish = dishMapper.getById(cartItemDTO.getDishId());
    if (dish == null) {
        throw new BusinessException("商品不存在");
    }
    
    // 3. 构造购物车项
    CartItem cartItem = new CartItem();
    // ...填充属性
    
    // 4. 存入Redis
    redisTemplate.opsForHash().put(
        key, 
        cartItemDTO.getDishId().toString(), 
        JSON.toJSONString(cartItem)
    );
}

4.3 购物车查询优化

考虑到用户可能频繁查看购物车，我们做了以下优化：

1. 使用Pipeline批量获取商品详情
2. 实现本地缓存减少Redis访问
3. 异步计算总价和优惠

java复制public List<CartItem> listCart(Long userId) {
    // 1. 获取购物车所有项
    String key = "cart:" + userId;
    Map<Object, Object> entries = redisTemplate.opsForHash().entries(key);
    
    // 2. 转换并补充商品详情
    return entries.values().stream()
        .map(item -> {
            CartItem cartItem = JSON.parseObject((String)item, CartItem.class);
            // 补充商品最新信息（价格、库存等）
            enrichItemDetail(cartItem);
            return cartItem;
        })
        .collect(Collectors.toList());
}

4.4 购物车清空策略

清空购物车需要考虑并发场景：

1. 使用Redis事务保证原子性
2. 添加操作日志
3. 实现软删除便于恢复

java复制@Transactional
public void clearCart(Long userId) {
    // 1. 记录操作日志
    cartLogService.logClear(userId);
    
    // 2. 执行删除
    String key = "cart:" + userId;
    redisTemplate.delete(key);
    
    // 3. 更新用户状态
    userService.updateCartStatus(userId, false);
}

5. 实战经验与避坑指南

5.1 缓存使用常见问题

1. 缓存穿透：对不存在的key大量查询

   • 解决方案：缓存空对象或使用布隆过滤器

2. 缓存雪崩：大量缓存同时失效

   • 解决方案：差异化过期时间+熔断机制

3. 缓存击穿：热点key失效瞬间高并发

   • 解决方案：互斥锁或永不过期策略

5.2 购物车开发注意事项

1. 商品状态同步：当商品下架或价格变动时，购物车需要及时反映

   • 实现方案：定期扫描+事件通知

2. 容量控制：防止用户添加过多商品导致性能问题

   • 实现方案：单个购物车商品数量限制

3. 跨设备同步：用户可能在多个终端操作购物车

   • 实现方案：基于WebSocket的实时同步

5.3 性能优化技巧

1. Redis连接池配置：根据实际负载调整最大连接数

   properties复制spring.redis.lettuce.pool.max-active=50
   spring.redis.lettuce.pool.max-idle=20
   

2. 序列化优化：使用更高效的序列化方式

   java复制redisTemplate.setValueSerializer(new Jackson2JsonRedisSerializer<>(Object.class));
   

3. 批量操作：减少网络往返次数

   java复制redisTemplate.executePipelined(...);
   

6. 扩展思考与进阶方案

在实际开发中，我们还考虑了以下进阶方案：

1. 多级缓存架构：本地缓存+分布式缓存组合
2. 购物车分片：超大购物车按分类分片存储
3. 智能推荐：基于购物车内容推荐搭配商品
4. 离线模式：支持用户离线操作购物车

这些方案可以根据业务发展阶段逐步引入，初期建议先保证核心功能的稳定性和性能。